Ariane Cwiling

Machine learning for survival data prediction: Application of the super learner on pseudo-observations

vendredi 6 mai 2022, 15h30 - 17h30

Salle du conseil, espace Turing


La moyenne restreinte du temps de survie (« restricted mean survival time » ou RMST) est aisément interprétable, ce qui en fait un objet d’étude intéressant en analyse de survie. Sa prédiction par rapport aux caractéristiques d’un patient peut être très utile dans le domaine de la santé. Cependant peu de méthodes traitent de cette question en analyse de survie. Un article récent de Zhao (2021) propose d’appliquer un réseau de neurones profonds sur des pseudo-observations. Ces dernières peuvent être décrites comme une transformation des temps censurés en données pouvant être gérées comme non censurées. Dans ce travail, nous proposons une nouvelle méthode de prédiction pour le RMST basée sur les pseudo-observations et combinée avec le super learner, un algorithme de prédiction qui propose une combinaison pondérée optimale de différents algorithmes d’apprentissage.